rag-gpt-crawler

GPT-crawler 将爬取网站以生成可用于自定义 GPT 或其他应用程序（RAG）的文件。

此模板使用 gpt-crawler 来构建 RAG 应用程序。

环境设置

设置 OPENAI_API_KEY 环境变量以访问 OpenAI 模型。

爬虫

运行 GPT-crawler 从一组网址中提取内容，使用 GPT-crawler 仓库中的配置文件。

以下是 LangChain 用例文档的示例配置：

export const config: Config = {
  url: "https://python.langchain.com/docs/use_cases/",
  match: "https://python.langchain.com/docs/use_cases/**",
  selector: ".docMainContainer_gTbr",
  maxPagesToCrawl: 10,
  outputFileName: "output.json",
};

然后，按照 gpt-crawler README 中的描述运行：

npm start

并将 output.json 文件复制到包含此 README 的文件夹中。

使用方法

要使用此包，您首先需要安装 LangChain CLI：

pip install -U langchain-cli

要创建一个新的 LangChain 项目并将其作为唯一的包安装，您可以执行：

langchain app new my-app --package rag-gpt-crawler

如果您想将其添加到现有项目中，只需运行：

langchain app add rag-gpt-crawler

并将以下代码添加到您的 server.py 文件中：

from rag_chroma import chain as rag_gpt_crawler

add_routes(app, rag_gpt_crawler, path="/rag-gpt-crawler")

（可选）现在让我们配置 LangSmith。 LangSmith 将帮助我们跟踪、监控和调试 LangChain 应用程序。 您可以在 这里 注册 LangSmith。 如果您没有访问权限，可以跳过此部分。

export LANGCHAIN_TRACING_V2=true
export LANGCHAIN_API_KEY=<your-api-key>
export LANGCHAIN_PROJECT=<your-project>  # 如果未指定，默认为 "default"

如果您在此目录中，则可以直接启动一个 LangServe 实例，方法是：

langchain serve

这将启动 FastAPI 应用程序，服务器在本地运行，地址为 http://localhost:8000

我们可以在 http://127.0.0.1:8000/docs 查看所有模板 我们可以在 http://127.0.0.1:8000/rag-gpt-crawler/playground 访问游乐场

我们可以通过代码访问模板：

from langserve.client import RemoteRunnable

runnable = RemoteRunnable("http://localhost:8000/rag-gpt-crawler")